译者：刘小芹、弗格森、王楠

　　【重要通知：世界人工智能大会现场一律凭活动行二维码入场，不接受现金购票，分论坛票只有下午可以入场】2016 世界人工智能大会活动行浏览过 5 万，大会售票进入尾声，还有一些已购票付款的公司和机构未换二维码。活动行在大会现场设有咨询席位，但提前换二维码节省签到时间。请团购注册的公司关注，务必提醒参会的同事们手机接收二维码，如果不清晰可以打印出来，现场在签到处换领大会嘉宾胸卡。

　　【倒计时 5天，点击“阅读原文”抢票】? 业界领袖回溯 60 年 AI 历史，全球对话人工智能未来挑战，权威发布2016世界人工智能名人堂及中国人工智能产业发展报告；? 国际大咖“视频”远程参会， Bengio 和李飞飞联袂寄语中国人工智能；? 探秘讯飞超脑及华为诺亚方舟实验室，最强 CTO与八大研究院院长交锋；? 滴滴CTO与百度首席架构师坐镇智能驾驶论坛，新智元三大圆桌阵容史无前例；? 中国“大狗”与"X-Dog"震撼亮相，龙泉寺机器僧“贤二”卖萌。

　　本文昨天首发时，将台湾国立清华大学 Min Sun 教授中文名，以及微软亚洲研究院 Tao Mei 博士的中文名及头衔弄错，现更正后重新发布如下。

　　【新智元导读】台湾国立清华大学与微软合作，首次实现了让机器自动生成视频标题。与生成视频描述不同，生成标题需要理解视频内容，抓住重点，用自然语言给出吸引人的概括（标题）。研究人员表示，这让我们离视觉智能的圣杯更近了一步。本文还介绍了微软 VideoToText 挑战赛及用于实现句子和视频转换的大型数据库 MST-VTT【进入新智元公众号，直接在对话框输入“1012”，下载论文（附 VideoToText 挑战赛介绍）】

　　当你的祖母上传一个视频到云端，它会躺在那里，孤零零的，没有人观看，除非你的祖母比我奶奶更会给视频取标题和打标签。我奶奶非常喜欢用手机拍摄家庭录像，虽然她拍的内容很有趣，atv，她却不是很擅长吸引观众。虽然我和姐姐可能会喜欢看那些视频，但它们却几乎不可能被其他人看到。

　　我想你的祖母（以及朋友、同事、家人）可能与我奶奶一样，因为用户上传的、储存在云端的视频有很大一部分的观看量很少。现在，人工智能研究的成果能为这些用户带来帮助。这项研究能让你很方便地找到用户上传的视频，包括你爷爷在你表弟的婚礼上跳舞时假牙掉下来的有趣剪辑。

　　机器学习理解 UGC 视频，生成亮点描述

　　台湾国立清华大学电子工程系教授林嘉文和孙民利用机器学习解决了这个问题。他们创建了一个系统，可以由机器人观看视频、找出视频中的亮点，为其添加一个相关的标题以便搜索，并将视频推荐给目标观众。

　　孙民说：“我们的研究使我们离视觉智能的圣杯更近了一步，机器学习能够理解用户上传的视频中的视觉内容。”

　　孙民教授开发了一种生成视频标题的新方法，该方法利用深度学习自动找到视频中的特殊时刻或亮点内容，并根据这些亮点内容生成准确有趣的标题。同时，林嘉文教授开发了一种能自动检测视频中的人脸的方法，这能为视频生成更丰富的描述，并为分享这些视频的用户提供相关推荐。他们合作的算法能检测视频的重要内容，生成视频亮点的描述，并标记潜在观众。

　　两位教授的研究受到微软 COCO（Common Objects in Context）的启发。COCO 是一个新的图像识别、分割及标题生成数据集，它识别了语境下的超过 300000 幅图像，因为视频本质上是一系列的图像，这个数据集也可以用于帮助生成视频标题。两位教授在 2015 年与微软亚洲研究院的高级研究员梅涛博士合作，使用 COCO 的说明文字进行句子扩充，并且利用 MSCOCO 的数据来训练他们的系统。他们的研究结果发表在 arxiv【进入新智元公众号，直接在对话框输入“1012”，下载论文（附 VideoToText 挑战赛介绍）】。

　　目前，该系统已经分析了 18000 个视频的亮点内容，生成了 44000 个标题/描述。为了进一步改进系统，孙教授和他的学生参加了微软研究院发起的 VideoToText 挑战赛，使用比赛中发布的数据来验证他们的系统。他们的研究将在2016年10月8日~16日的ECCV（欧洲计算机视觉大会）上发表。孙民教授和梅涛博士已经开始进行他们的合作研究的下一个阶段，研究为个人照片生成故事说明。